跳到正文
热点事件持续更新

提出手 - 对象掩码训练新范式及 DEHOI 测试床

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

Masatoshi Tateno 等人针对现有自眼视角视频语言模型(VLM)过度依赖手部外观、难以区分动态相似但操作不同交互的问题,提出了一种结合手 - 对象掩码训练与 HOI 动力学感知解码器的新范式。研究构建了 DEHOI 测试床,利用视频修复技术选择性移除手部或物体,以独立评估线索贡献度。实验表明,该范式有效缓解了模型对手部中心线索的偏见,在动作识别和物体状态识别基准上优于仅使用自眼视角数据的 VLM。

AI 根据报道生成 · 10 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · 机器人与计算机视觉
    自眼视角视频语言模型能否同时捕捉手部与物体中心线索?

    针对现有仅基于自眼视角视频训练的视觉语言模型(VLM)过度依赖手部外观、难以区分动态相似但操作不同的交互问题,本文提出了一种结合手 - 对象掩码训练与 HOI 动力学感知解码器的新范式。研究构建了 DEHOI 测试床,利用视频修复技术选择性移除手部或物体以独立评估线索贡献度。实验表明,该范式有效缓解了模型对手部中心线索的偏见,在动作识别和物体状态识别基准上优于仅使用自眼视角数据的 VLM。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。